شبیه‌سازی توزیع رطوبت در انواع بافت خاک تحت منبع نقطه‌ای با استفاده از روش تحلیل گشتاور

نوع مقاله : پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد، گروه مهندسی آب، دانشکدة کشاورزی، دانشگاه تبریز، تبریز، ایران

2 استاد، گروه مهندسی آب، دانشکدة کشاورزی، دانشگاه تبریز، تبریز، ایران

3 دانشیار، گروه مهندسی آب، دانشکدة کشاورزی، دانشگاه تبریز، تبریز، ایران

4 دانشجوی دکتری، گروه مهندسی آب، دانشکدة کشاورزی، دانشگاه تبریز، تبریز، ایران

چکیده

به‌منظور طراحی یک سامانة آبیاری قطره‌ای، عوامل و متغیرهایی هم‌چون نوع خاک و توپوگرافی منطقه، اقلیم و شرایط آب و هوایی و نوع کشت گیاه مؤثر هستند تا بهترین فاصلة قطره‌چکان‌ها، لوله‌های اصلی و لوله‌های فرعی در اجرای سامانة آبیاری قطره‌ای انتخاب شوند. یکی از مهم‌ترین عوامل در طراحی سامانه‌های آبیاری، داشتن آگاهی از الگوی حرکت جبهة رطوبتی در زیرسطح خاک است. این عامل تعیین‎کنندة فاصلۀ قطره‌چکان‌ها و مشخص‌کنندۀ عمق نصب لترال‌ها و معین‌کنندۀ فشار کارکرد سامانه است. روش تحلیلی گشتاور یکی از مدل‌های پرکاربرد و دقیقی است که می‌توان به کمک آن و با داشتن خصوصیات فیزیکی بافت خاک، با محاسبة گشتاور درجة اول و دوم، مقادیر رطوبت و تغییرات آن را بررسی کرد. در این پژوهش، به‌منظور بررسی حرکت جبهۀ رطوبت زیرسطحی در انواع مختلف بافت خاک، تحت دبی‌های کاربردی متفاوت، به کمک روش گشتاور، ابتدا شبیه‌سازی حرکت پیاز رطوبتی به کمک نرم‌افزار هایدروس دو بعدی انجام شد. در این نرم‌افزار شبیه‌سازی 12 نوع بافت خاک تعریف شده در زیربرنامه رزتا، تحت دبی‌های دو، چهار، شش و هشت لیتر بر ساعت با هدف تغذیۀ اراضی به میزان 24 لیتر انجام شد. پس از شبیه‌سازی مقادیر رطوبت در گره‌های مختلف، با توجه به مختصات، آن گره‌ها به فایل اکسل منتقل شد. در این فایل محدودة لحاظ شده برای شبیه‌سازی مجدداً شبکه‌بندی و برای مراکز هر شبکه میزان رطوبت نزدیک‌ترین گره اختصاص داده شد. نتایج حاصل از این بررسی‌ها نشان داد که گشتاورها قابلیت بیان موقعیت مرکز جرم آب توزیع شده در خاک را در بهترین حالت با ضریب همبستگی برابر با 97/0 و جذر میانگین مربعات خطای 60/0 در دبی چهار لیتر بر ساعت دارا هستند. در حالت کلی، با افزایش میزان دبی مقدار خطا بیش‌تر و همبستگی کاهش می‌یابد. هم‌چنین، با استفاده از این روش می‌توان موقعیت مرکز جرم آب توزیع شده در خاک و تغییرات جبهة رطوبتی را نسبت به محور x و z را به‌دست آورد. با کاربرد ضریب K بهینة رابطة بیضی نشان‌دهندة محدودة پیاز رطوبتی رسم شد که دقت مطلوبی را در مقایسه با نتایج حاصل از نرم‌افزار هایدروس نشان داد و قابلیت مناسب مدل پیشنهادی را تأیید نمود.

کلیدواژه‌ها

موضوعات


Autovino, D., Rallo, G., & Provenzano, G. (2018). Predicting soil and plant water status dynamic in olive orchards under different irrigation systems with Hydrus-2D: Model performance and scenario analysis. Agricultural Water Management, 203, 225-235. doi: 10.1016/j.agwat.2018.03.015
Carsel, R.F., & Parrish, R.S. (1988). Developing joint probability distributions of soil watervretention characteristics, Water Resource Research, 24, 755- 769.
Ghorbani, A. (2013). Evaluation of prediction models of soil moisture distribution pattern in drip irrigation with point source. Master's Thesis, University of Tabriz, Tabriz, Iran. [In Persian]
Etminan, S., Jalali, V.R., Mamodabadi, M., Khashei-Siuki, A., & Pourreza-Bilondi, M. (2023). Assessing the hydraulic parameter’s uncertainty of the HYDRUS model using DREAM method. Water and Soil Management and Modeling, 3(4), 1-15. doi:10.22098/mmws.2022.11659.1152. [In Persian]
Hinnell, A.C., Lazarovitch, N., & Furman, A. (2010). Neuro-drip: estimation of subsurface wetting patterns for drip irrigation using neural networks. Irrigation Science, 28, 535-544. doi:10.1007/s00271-010-0214-8
Jahantigh, M. (2021). Effects of irrigation methods of subsurface, clay pot and drop on Mulberry growth in dry land region (Case study: Sistan area). Water and Soil Management and Modeling, 1(2), 25-35. doi:10.22098/mmws.2021.8691. [In Persian]
Karimi, B., Karimi, N., Shiri, J., & Sanikhani, H. (2022). Modeling moisture redistribution of drip irrigation systems by soil and system parameters: regression-based approaches. Stochastic Environmental Research and Risk Assessment36(1), 157-172. doi: 10.21203/rs.3.rs-267556/v1
Kazemi, H. (2011). Experimental and numerical investigation of soil moisture distribution in surface and subsurface drip irrigation. Master's Thesis, University of Tabriz, Tabriz, Iran. [In Persian]
Kazemi, H., Sadraddini, A.A., Nazemi, A.H., & Sanchez, C. (2021). A moment analysis for modeling soil water distribution in furrow irrigation: variable vs. constant ponding depths. Water, 13, 1415. doi:10.3390/w13101415
Kisi, O., Khosravinia, P., Heddam, S., Karimi, B., & Karimi, N. (2021). Modeling wetting front redistribution of drip irrigation systems using a new machine learning method: Adaptive neuro-fuzzy system improved by hybrid particle swarm optimization–Gravity search algorithm. Agricultural Water Management256. doi: 10.1016/j.agwat.2021.107067
Kumar Vishwakarma, D., Kumar, R., Tomar, A.S., & Kuriqi, A. (2023). Eco-hydrological modeling of soil wetting pattern dimensions under drip irrigation systems. Helion, 9(7), e18078.  doi: 10.1016/j.heliyon.2023.e18078
Lazarovitch, N., Warrick, A.W., Furman, A., & Simunek, J. (2007). Subsurface water distribution from drip irrigation described by moment analyses. Vadose Zone Journal, 6, 116–123. doi:10.2136/vzj2006.0052
Lazarovitch, N., Warrick, A.W., Furman, A., & Zerihun, D. (2009). Subsurface water distribution from furrows described by moment analyses. Journal of Irrigation and Drainage Engineering, 135, 7–12. doi:10.1061/(ASCE)0733-9437(2009)135:1
Li, J., Zhang, J., & Ren, L. (2003). Water and nitrogen distribution as affected by fertigation of ammonium nitrate from a point source. Irrigation Science, 22, 19–30. doi: 10.1007/s00271-003-0064-8
Moslemi, S., Nazemi, A.H., Sadraddini, A.A., Samadianfard, S., & Mikaeili, F. (2021). Distribution of water in soil under drip irrigation by moment analysis using different discharges. Water and Soil Science, 34(3), 179-198. doi:10.22034/WS.2022.51372.2472. [In Persian]
Norouzian, Z., Sadraddini, A.A., Nazemi, AH., & Delirhasannia, R. (2017). Experimental and numerical investigations of soil water distribution under subsurface drip irrigation in level and sloping layered soils. Water and Soil Science, 26(4), 13-27. [In Persian]
Radcliffe, D., & Šimunek, J. (2010). Soil physics with HYDRUS: Modeling and applications; CRC Press, Taylor and Francis Group: Boca Raton, FL, USA p: 388. doi:10.1201/9781315275666
Raoof, M., Akbari Baseri, Z., Rasoulzadeh, A., & Azizi Mobaser, J. (2022). Sensitivity analysis of Hydrus software to input data in simulating water movement and root uptake of grass as reference plant. Water and Soil Management and Modeling, 2(3), 94-107. doi:10.22098/mmws.2022.10847.1090. [In Persian]
Samadianfard, S. (2009). Numerical and analytical simulation of wetting front advancing in drip irrigation. Master's Thesis, University of Tabriz, Tabriz, Iran. [In Persian]
Shiri, J., Karimi, B., Karimi, N., Kazemi, M.H., & Karimi, S. (2020). Simulating wetting front dimensions of drip irrigation systems: Multi criteria assessment of soft computing models. Journal of Hydrology585, 124792. doi: 10.1016/j.jhydrol.2020.124792
Siyal, A.A., & Skaggs, T.H. (2009). Measured and clay pipe subsurface irrigation, Agric. Agricultural Water Management, 96, 893-904. doi: 10.1016/j.agwat.2008.11.013
Yeh, T.C.J., Ye, M., & Khaleel, R. (2005). Estimation of effective unsaturated hydraulic conductivity tensor using spa al moments of observed moisture plume. Water Resource Research, 41. doi:10.1029/2004WR003736
Zhenjie, Q., Jiusheng, L., & Weixia, Z. (2017). Effects of lateral depth and irrigation level on nitrate and Escherichia coli leaching in the North China Plain for subsurface drip irrigation applying sewage effluent. Irrigation Science. 35(6), 469-482. doi:10.1007/s00271-017-0553-9.